OCR Vision Workbench
Workbench de OCR para definir regiões, ajustar o pré-processamento e reproduzir resultados de reconhecimento.
O OCR Vision Workbench transforma o reconhecimento de texto em imagens em um fluxo visual e reproduzível, combinando regiões de interesse editáveis, pré-processamento configurável, OCR com Tesseract, inspeção de resultados, perfis reutilizáveis e exportações estruturadas.
01 — O que o projeto faz
O OCR Vision Workbench é uma aplicação local orientada a imagens para configurar, executar, inspecionar e reproduzir fluxos de reconhecimento óptico de caracteres. Em vez de tratar OCR como uma operação de caixa-preta que transforma diretamente uma imagem em texto, o projeto expõe as regiões, a configuração de pré-processamento, o resultado do reconhecimento, os valores de confiança e a geometria envolvidos em cada análise.
O usuário pode carregar imagens PNG, JPEG ou WebP, definir e editar regiões retangulares de interesse, navegar pela imagem com zoom e pan e configurar uma sequência ordenada de pré-processamento antes de executar o reconhecimento de texto baseado em Tesseract.
02 — Um fluxo de OCR inspecionável
O pipeline de pré-processamento oferece conversão para escala de cinza, redimensionamento, threshold e inversão. Depois da execução, o Workbench preserva mais do que apenas o texto final: os resultados podem incluir tokens em nível de palavra, confiança relativa ao motor de OCR, informações de hierarquia e bounding boxes, permitindo analisar o reconhecimento no contexto da imagem original.
As regiões e a configuração de OCR também podem ser armazenadas em perfis versionados e reutilizadas com imagens compatíveis. Dessa forma, a aplicação atende tanto à experimentação com configurações de OCR quanto à transformação de uma configuração validada em um fluxo de análise reproduzível.
03 — Arquitetura e reprodutibilidade
O projeto é implementado como um monólito modular local. Uma WebUI desenvolvida em React e TypeScript se comunica com um backend FastAPI, enquanto serviços de aplicação, contratos de domínio, integração de OCR, operações de imagem e repositórios em filesystem permanecem separados por fronteiras explícitas. O Tesseract é integrado por meio de um adaptador de OCR, sem acoplamento direto com o núcleo do domínio.
A geometria é representada explicitamente entre os diferentes espaços de coordenadas da imagem, das regiões, dos recortes e das imagens processadas, enquanto um mesmo modelo tipado de pré-processamento é utilizado pelo pipeline de análise. Análises, perfis reutilizáveis, proveniência e exportações estruturadas são tratados como partes distintas do fluxo para que os resultados possam ser inspecionados e reproduzidos, em vez de existirem apenas como uma saída transitória do OCR.
04 — Estado atual do desenvolvimento
O fluxo principal de OCR já está implementado, incluindo carregamento de imagens, edição de regiões, pré-processamento, reconhecimento, inspeção de resultados, perfis reutilizáveis, API REST, persistência em filesystem e a WebUI local. O projeto permanece em desenvolvimento enquanto são concluídas as validações de regressão, a verificação da distribuição e o fechamento final da V1.
O alvo atual de distribuição é uma execução local por Docker em linux/amd64, utilizando Tesseract para reconhecimento de texto em inglês. A aplicação foi projetada para um ambiente confiável e de usuário único e, neste momento, concentra-se em OCR de imagens estáticas, e não em PDFs, vídeos, processamento em lote ou visão computacional de propósito geral.